Para melhorar a eficiência na obtenção de informações aeroespaciais de código aberto e resolver problemas relacionados ao conteúdo extenso, quantidade limitada, baixa robustez dos modelos comuns de classificação de texto e baixa intuição das informações textuais, este artigo propõe um método de classificação de informações aeroespaciais baseado em aprendizado contrastivo supervisionado. O método baseia-se em uma rede de memória de longo e curto prazo bidirecional (BiLSTM) com mecanismo de atenção, integrando a técnica de aprendizado contrastivo para processar e analisar informações abertas, selecionando eficientemente informações aeroespaciais e utilizando o modelo unCLIP (un-Contrastive Language-Image Pre-Training) para gerar imagens correspondentes às informações. Os resultados experimentais mostram que o método apresenta bom desempenho em precisão, recall e F1-Score em comparação com métodos comuns de classificação de texto, como CNN, BiLSTM, Transformer e BiLSTM-Attention, alcançando um F1-Score de 0,97, apresentando as informações em forma de imagens para torná-las mais claras e intuitivas. O método pode utilizar plenamente os recursos de dados públicos da rede, extrair eficazmente informações aeroespaciais de código aberto e gerar imagens correspondentes, o que tem grande valor para a análise e pesquisa de informações aeroespaciais.

Classificação supervisionada de texto; aprendizado contrastivo; geração de imagens a partir de texto; informações aeroespaciais